stringtranslate.com

Настроения рынка

Инвестор настроен по-бычьи , когда видит восходящие тенденции акций, и по-медвежьи , когда рынок идет вниз. Бык использует свои рога в восходящем движении для атаки, а медведь использует свои когти в нисходящем движении для атаки.

Настроение рынка , также известное как внимание инвесторов , является общим преобладающим отношением инвесторов к ожидаемому развитию цен на рынке. [1] Это отношение является совокупностью различных фундаментальных и технических факторов, включая историю цен, экономические отчеты, сезонные факторы, а также национальные и мировые события. Если инвесторы ожидают восходящего движения цен на фондовом рынке, то говорят, что настроение является бычьим . Напротив, если настроение рынка медвежье , большинство инвесторов ожидают нисходящего движения цен. Участники рынка, которые поддерживают статическое настроение, независимо от рыночных условий, описываются как вечные быки и вечные медведи соответственно. Настроение рынка обычно рассматривается как противоположный индикатор: то, чего ожидает большинство людей, является хорошей вещью, против которой можно делать ставки. Настроение рынка используется, потому что считается, что оно является хорошим предсказателем движений рынка, особенно когда оно более экстремально. [2] За очень медвежьими настроениями обычно следует рост рынка больше обычного, и наоборот. [3] Бычий рынок относится к продолжительному периоду либо реального, либо ожидаемого роста цен, [4] тогда как медвежий рынок используется для описания ситуации, когда индекс или акция упали на 20% или более от недавнего максимума в течение продолжительного периода времени. [5]

Настроения рынка отслеживаются с помощью различных технических и статистических методов, таких как сравнение количества растущих и падающих акций и новых максимумов и новых минимумов. Значительная доля общего движения отдельных акций приписывается настроениям рынка. [6] Демонстрация ситуации фондовым рынком часто описывается как « все лодки плывут или тонут по течению », в популярной фразе Уолл-стрит « тренд — твой друг ». В последнее десятилетие инвесторы также известны тем, что измеряют настроения рынка с помощью новостной аналитики , которая включает анализ настроений по текстовым историям о компаниях и секторах.

Теория внимания инвесторов

Определенная тема научной литературы связывает результаты поведенческих финансов , изменения внимания инвесторов на финансовых рынках и фундаментальные принципы ценообразования активов : Barberis et al. (1998), [7] Barberis & Thaler (2003), [8] и Baker & Wurgler (2007). [9] Авторы утверждают, что поведенческие модели розничных инвесторов оказывают значительное влияние на доходность рынка. Сегодня в научной литературе известно по крайней мере пять основных подходов к измерению внимания инвесторов : финансовые рыночные меры, индексы настроений на основе опросов, текстовые данные настроений из специализированных онлайн-ресурсов, поведение при поиске в Интернете и неэкономические факторы.

Первый подход

Согласно первому подходу , внимание инвесторов может быть аппроксимировано с помощью конкретных мер, основанных на финансовом рынке . Согласно Gervais et al. (2001) [10] и Hou et al. (2009), [11] объем торгов является хорошим показателем настроений инвесторов. Высокий (низкий) объем торгов по конкретной акции приводит к повышению (понижению) ее цены. Также сообщается, что экстремальная однодневная доходность привлекает внимание инвесторов (Barber & Odean (2008) [12] ). Трейдеры с шумом склонны покупать (продавать) акции с высокой (низкой) доходностью. Whaley (2001) [13] и Baker & Wurgler (2007) [9] предлагают индекс волатильности Чикагской биржи опционов (CBOE) ( VIX ) в качестве альтернативного показателя настроений рынка. Барометр страха Credit Suisse (CSFB) основан на ценах опционов с нулевой премией , срок действия которых истекает через три месяца. Этот индекс иногда используется как альтернатива индексу VIX. [14] Индикатор настроений рынка Acertus (AMSI) включает пять переменных (в порядке убывания веса в индикаторе): соотношение цены и прибыли (мера оценки фондового рынка); импульс цены (мера психологии рынка); реализованная волатильность (мера недавнего исторического риска); доходность высокодоходных облигаций (мера кредитного риска); и спред TED (мера системного финансового риска ). Каждый из этих факторов обеспечивает измерение настроений рынка через уникальную линзу, и вместе они могут предложить более надежный индикатор настроений рынка. [15] Дисконт закрытых фондов (случай, когда чистая стоимость активов паевого фонда не равна его рыночной цене) считается возможной мерой внимания инвесторов (Цвейг (1973) [16] и Ли и др. (1991) [17] ).

Исследования показывают, что изменения в дисконтах закрытых фондов тесно связаны с колебаниями настроений инвесторов. Браун и др. (2003) [18] исследуют ежедневный поток паевых инвестиционных фондов как возможную меру внимания инвесторов. [19] Согласно Да и др. (2014), [14] «...индивидуальные инвесторы переключаются с фондов акций на фонды облигаций, когда негативные настроения высоки». Дивидендная премия (разница между средними отношениями балансовой стоимости к рыночной стоимости акций, выплачивающих и не выплачивающих дивиденды) потенциально может быть хорошим предиктором настроений инвесторов (Бейкер и Вурглер (2004) [20] и Виейра (2011) [21] ). Сообщается также, что данные о сделках розничных инвесторов могут представлять внимание инвесторов (Кумар и Ли (2006) [22] ). Исследование показывает, что транзакции розничных инвесторов «...систематически коррелируют — то есть отдельные лица покупают (или продают) акции согласованно». Первичное публичное размещение акций (IPO) компании генерирует большой объем информации, которая потенциально может быть использована для оценки настроений инвесторов. Ljungqvist et al. (2006) [23] и Baker & Wurgler (2007) [9] сообщают, что доходность IPO в первый день и объем IPO являются наиболее перспективными кандидатами для прогнозирования внимания инвесторов к определенным акциям. Неудивительно, что высокие инвестиции в рекламу определенной компании приводят к более высокому вниманию инвесторов к соответствующим акциям (Grullon et al. (2004) [24] ). Авторы Chemmanur & Yan (2009) [25] приводят доказательства того, что «...больший объем рекламы связан с большей доходностью акций в рекламный год, но меньшей доходностью акций в год, следующий за рекламным годом». Соотношение эмиссий акций к общему количеству новых эмиссий, данные об инсайдерской торговле и другие финансовые показатели приводятся в Baker & Wurgler (2007) [9] как полезные для процедуры измерения внимания инвесторов.

Вышеупомянутые рыночные показатели имеют один важный недостаток. В частности, согласно Da et al. (2014): [14] «Хотя рыночные показатели имеют преимущество в том, что они легкодоступны на относительно высокой частоте, у них есть недостаток в том, что они являются равновесным результатом многих экономических сил, отличных от настроений инвесторов». Другими словами, никогда нельзя быть уверенным, что конкретный рыночный индикатор был вызван вниманием инвесторов. Более того, некоторые индикаторы могут работать проциклично. Например, высокий объем торговли может привлечь внимание инвесторов. В результате объем торговли растет еще больше. Это, в свою очередь, приводит к еще большему вниманию инвесторов. В целом, рыночные индикаторы играют очень важную роль в измерении внимания инвесторов. Однако инвестор всегда должен стараться убедиться, что никакие другие переменные не могут повлиять на результат.

Второй способ

Вторым способом привлечения внимания инвесторов может быть использование индексов настроений, основанных на опросах . Среди наиболее известных индексов следует упомянуть Индекс потребительских настроений Мичиганского университета , Индекс потребительских настроений Conference Board и Индекс оптимизма инвесторов UBS/Gallup. Индекс потребительских настроений Мичиганского университета основан на не менее чем 500 телефонных интервью. Опрос содержит пятьдесят основных вопросов. [26] Индекс потребительских настроений охватывает в десять раз больше респондентов (5000 домохозяйств). Однако опрос состоит всего из пяти основных вопросов, касающихся условий бизнеса, занятости и доходов. На вопросы можно ответить только тремя вариантами: «положительный», «отрицательный» или «нейтральный». [27] Выборка из 1000 домохозяйств с общим объемом инвестиций, равным или превышающим 10 000 долларов, опрашивается для построения Индекса оптимизма инвесторов UBS/Gallup. [28] Упомянутые выше индексы настроений, основанные на опросах, как сообщается, являются хорошими предикторами финансовых рыночных показателей (Brown & Cliff (2005) [29] ). Однако, по данным Da et al. (2014), [14] использование таких индексов настроений может иметь существенные ограничения. Во-первых, большинство наборов данных, основанных на опросах, доступны с еженедельной или ежемесячной частотой. В то же время большинство альтернативных мер настроений доступны с ежедневной частотой. Во-вторых, у респондентов мало стимулов отвечать на вопросы в таких опросах внимательно и правдиво (Singer (2002) [30] ). Подводя итог, индексы настроений, основанные на опросах, могут быть полезны для прогнозирования финансовых показателей. Однако использование таких индексов имеет определенные недостатки и может быть ограничено в некоторых случаях.

Третье направление

В 1920-х годах рыночные настроения железнодорожных компаний были оптимистичными, поскольку рынок был новым, и инвесторы видели долгосрочные перспективы.

В рамках третьего направления исследователи предлагают использовать алгоритмы текстового анализа и анализа настроений для извлечения информации о настроении инвесторов из социальных сетей, медиаплатформ, блогов, газетных статей и других соответствующих источников текстовых данных (иногда это называют новостной аналитикой ). В потоке публикаций (Barber & Odean (2008), [12] Dougal et al. (2012), [31] и Ahern & Sosyura (2015) [32] ) сообщается о значительном влиянии финансовых статей и сенсационных новостей на поведение цен акций. Также неудивительно, что такие популярные источники новостей, как Wall Street Journal , New York Times или Financial Times, оказывают глубокое влияние на рынок. Сила воздействия может различаться у разных обозревателей даже внутри одного журнала (Dougal et al. (2012) [31] ). Tetlock (2007) [33] предлагает успешный способ измерения настроения инвесторов путем подсчета количества «негативных» слов в популярной колонке Wall Street Journal «Abreast of the market». Zhang et al. (2011) [34] и Bollen et al. (2011) [35] сообщают, что Twitter является чрезвычайно важным источником данных о настроениях, который помогает прогнозировать цены акций и волатильность . Обычный способ анализа влияния данных с платформ микроблогов на поведение цен акций — это построение специальных индексов отслеживания настроения.

Самый простой способ — подсчитать количество «положительных» и «отрицательных» слов в каждом релевантном твите и построить комбинированный индикатор на основе этих данных. Нассери и др. (2014) [36] сообщают о предсказательной силе данных StockTwits (платформа типа Twitter, специализирующаяся на обмене мнениями, связанными с торговлей) в отношении поведения цен акций. Альтернативный, но более сложный способ — привлечь экспертов-людей для аннотирования большого количества твитов с ожидаемыми движениями акций, а затем построить модель машинного обучения для прогнозирования. Применение методологии изучения событий к настроению Twitter показывает значительную корреляцию с кумулятивной аномальной доходностью (Sprenger и др. (2014), [37] Ranco и др. (2015) , [38] Gabrovšek и др. (2017) [39] ). Карабулут (2013) [40] сообщает, что Facebook является хорошим источником информации о настроении инвесторов. В целом, большинство популярных социальных сетей, медиаплатформ, связанных с финансами, журналы и газеты могут быть ценным источником данных о настроениях, обобщенных в Peterson (2016). [41] Однако важно отметить, что собирать такие данные относительно сложнее (в большинстве случаев исследователю требуется специальное программное обеспечение). Кроме того, анализ таких данных может также потребовать глубоких знаний в области машинного обучения и интеллектуального анализа данных (Hotho et al. (2005) [42] ).

Четвертая дорога

Исламабадская фондовая биржа Бык

Четвертый путь — важный источник информации о внимании инвесторов — это поведение домохозяйств при поиске в Интернете. Этот подход подтверждается результатами Саймона (1955), [43], который приходит к выводу, что люди начинают процесс принятия решений со сбора релевантной информации. Публично доступные данные об объемах поиска для большинства поисковых служб Интернета начинаются с 2004 года. С тех пор многие авторы показали полезность таких данных для прогнозирования внимания инвесторов и доходности рынка (Da et al. (2014), [14] Preis et al. (2013), [44] и Curme et al. (2014) [45] ). Большинство исследований используют сервис Google Trends (GT) для извлечения данных об объеме поиска и исследования внимания инвесторов. Полезность данных поиска в Интернете также была доказана на основе данных Yahoo! Corporation (Bordino et al. (2012) [46] ). Применение данных поиска в Интернете дает многообещающие результаты в решении различных финансовых проблем. Авторы в работе Кристоуфека (2013b) [47] обсуждают применение данных GT в проблеме диверсификации портфеля . Предложенная в статье процедура диверсификации основана на предположении, что популярность конкретной акции в интернет-запросах коррелирует с рискованностью этой акции. Автор сообщает, что такая процедура диверсификации помогает значительно повысить доходность портфеля. Да и др. (2014) [14] и Димпфл и Джанк (2015) [48] исследуют предсказательную силу данных GT для двух самых популярных мер волатильности: реализованной волатильности (RV) и индекса дневной рыночной волатильности CBOE ( VIX ). Оба исследования сообщают о положительной и значимой зависимости между данными интернет-поиска и мерами волатильности. Бордино и др. (2012) [46] и Прейс и др. (2010) [49] раскрывают способность данных интернет-поиска предсказывать объемы торгов на фондовых рынках США. Согласно Бордино и др. (2012), [46] "...объемы запросов во многих случаях опережают пики торговли на один день или более". Некоторые исследователи считают полезными данные GT для прогнозирования волатильности на валютном рынке (Smith (2012) [50] ). Все более важная роль данных интернет-поиска признается в прогнозировании цен криптовалют (например, Bitcoin ) (Kristoufek (2013a)[51] ). Данные Google Trends также считаются хорошим предиктором для ежедневных потоков паевых инвестиционных фондов . Da et al. (2014) [14] приходят к выводу, что такой тип данных о настроениях «... имеет значительную дополнительную предсказательную силу для будущих инноваций в ежедневных потоках фондов как акционерных, так и облигационных фондов». Еще одним многообещающим источником данных поиска в Интернете является количество посещений страниц Википедии, связанных с финансами (статистика страниц Википедии [52] ) (Moat et al. (2013) [53] и Kristoufek (2013a) [51] ). Подводя итог, можно сказать, что поведение домохозяйств при поиске в Интернете является относительно новым и многообещающим показателем внимания инвесторов. Такой тип данных о настроениях не требует дополнительной информации из других источников и может использоваться в научных исследованиях независимо.

Пятый источник

«Все лодки плывут или тонут вместе с течением».

Наконец, пятый источник внимания инвесторов может также зависеть от некоторых неэкономических факторов . Каждый день на наше настроение влияет множество неэкономических событий (например, новости, погода, состояние здоровья и т. д.), которые, в свою очередь, влияют на уровень нашего неприятия риска и торговое поведение. Эдманс и др. (2007) [54] обсуждают влияние спортивных событий на торговое поведение инвесторов. Авторы сообщают о веских доказательствах аномально отрицательной доходности акций после проигрышей в крупных футбольных соревнованиях. Эффект убытков также действителен после международных матчей по крикету, регби и баскетболу. Однако Абуди, Мугерман и Шуст (2022) [55] документируют положительную реакцию фондового рынка после победы в конкурсе песни Евровидение. Этот положительный эффект задокументирован в стране-победителе. Авторы связывают это открытие со структурой соревнования: в отличие от спортивных турниров, которые подчеркивают проигрыш, структура конкурса песни Евровидение подчеркивает победителя. Каплански и Леви (2010) [56] исследуют влияние плохих новостей (авиационных катастроф) на цены акций. Авторы приходят к выводу, что плохие новости (например, об авиакатастрофе) могут вызвать значительное падение доходности акций (особенно для небольших и рискованных акций). Доказательства того, что количество минут солнечного света в определенный день влияет на поведение трейдера, представлены в работах Ахтари (2011) [57] и Хиршлейфера и Шамвея (2003). [58] Авторы приходят к выводу, что «эффект солнечного света» статистически значим и устойчив к различным спецификациям моделей. Влияние температуры на доходность акций обсуждается в работе Цао и Вэй (2005). [59]

Согласно результатам упомянутого исследования, существует отрицательная зависимость между температурой и доходностью акций во всем диапазоне температур (т. е. доходность выше, когда погода холодная). Известно также, что сезонное аффективное расстройство (САР) является предиктором настроения инвесторов (Kamstra et al. (2003) [60] ). Это ожидаемый результат, поскольку САР включает в себя информацию о погодных условиях. Некоторые исследователи идут еще дальше и выявляют зависимость между фазами Луны и доходностью фондового рынка (Yuan et al. (2006) [61] ). Согласно Dichev & Janes (2001): [62] «...доходность за 15 дней вокруг дат новолуния примерно вдвое превышает доходность за 15 дней вокруг дат полнолуния». Сообщается, что даже геомагнитная активность оказывает влияние (отрицательно коррелированное) на доходность акций (C. Robotti (2003)). [63] Подводя итог, можно сказать, что неэкономические события оказывают значительное влияние на поведение трейдера. Инвестор ожидает высокой доходности рынка в солнечный, но прохладный день, пятнадцать дней вокруг новолуния, без значительной геомагнитной активности, предпочтительно на следующий день после победы в значимом спортивном событии. В большинстве случаев такие данные следует рассматривать как дополнительные при измерении внимания инвесторов, но не как полностью независимые.

Валютные рынки

Существуют дополнительные индикаторы для измерения настроений, особенно на рынках Forex . Хотя рынок Forex децентрализован (не торгуется на центральной бирже), [64] различные розничные брокерские фирмы Forex публикуют коэффициенты позиционирования (аналогичные коэффициенту Put/Call) и другие данные относительно торгового поведения своих клиентов. [65] [66] [67] Поскольку большинство розничных валютных трейдеров не добиваются успеха, [68] показатели настроений на рынке Forex обычно используются в качестве противоположных индикаторов. [69] Некоторые исследователи сообщают, что данные интернет-поиска (например, Google Trends ) полезны для прогнозирования волатильности на валютных рынках. [50] Сообщается, что данные интернет-поиска и (релевантные) данные просмотров страниц Wikipedia полезны для прогнозирования цен криптовалют (например, Bitcoin ). [51]

Смотрите также

Ссылки

  1. ^ «Определение рыночных настроений». Investopedia.
  2. ^ Настроения: значимый сдвиг для быков на фондовом рынке? | В поисках альфы В поисках альфы
  3. ^ "| AAII: Американская ассоциация индивидуальных инвесторов". Американская ассоциация индивидуальных инвесторов .
  4. ^ "Бычьи и медвежьи настроения - Stockgeist". 2022-02-15 . Получено 2022-06-14 .
  5. ^ «S&P 500 находится на медвежьем рынке; вот что это значит». ABC News . Получено 2022-06-14 .
  6. ^ Томас Дорси, «Крестики-нолики» , Настроения оказывают « 66% влияния на общее движение отдельной акции »
  7. ^ Барберис, Николас; Шлейфер, Андрей; Вишни, Роберт В. (1998). «Модель настроений инвесторов». Журнал финансовой экономики . 49 (3): 307–343. doi :10.1016/S0304-405X(98)00027-0. S2CID  154782800.
  8. ^ Барберис, Николас; Талер, Ричард (2003-01-01). Финансы, BT - Справочник по экономике (ред.). Финансовые рынки и ценообразование активов . Том 1, часть B. Elsevier. стр. 1053–1128. doi :10.1016/S1574-0102(03)01027-6. ISBN 9780444513632.
  9. ^ abcd Бейкер, Малкольм; Вурглер, Джеффри (2007). «Настроения инвесторов на фондовом рынке». Журнал экономических перспектив . 21 (2): 129–152. doi : 10.1257/jep.21.2.129 .
  10. ^ Жерве, Саймон; Каниэль, Рон; Мингельгрин, Дэн Х. (1 июня 2001 г.). «Премия за большой объем прибыли». Журнал финансов . 56 (3): 877–919. CiteSeerX 10.1.1.540.2997 . дои : 10.1111/0022-1082.00349. ISSN  1540-6261. 
  11. ^ Хоу, Кэвей; Сюн, Вэй; Пэн, Линь (16.01.2009). «История двух аномалий: влияние внимания инвесторов на динамику цен и доходов». Рочестер, Нью-Йорк: Исследовательская сеть социальных наук. SSRN  976394. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  12. ^ ab Barber, Brad M.; Odean, Terrance (2008-04-01). «Все, что блестит: влияние внимания и новостей на покупательское поведение индивидуальных и институциональных инвесторов». Review of Financial Studies . 21 (2): 785–818. doi :10.1093/rfs/hhm079. ISSN  0893-9454.
  13. ^ Уэйли, Роберт Э. (2000-03-01). «Измеритель страха инвесторов». Журнал управления портфелем . 26 (3): 12–17. doi :10.3905/jpm.2000.319728. ISSN  0095-4918. S2CID  154699901.
  14. ^ abcdefg Да, Чжи; Энгельберг, Джозеф; Гао, Пэнцзе (2014-10-17). «Сумма всех страхов: настроения инвесторов и цены активов». Обзор финансовых исследований . 28 (1): 1–32. doi : 10.1093/rfs/hhu072 . ISSN  0893-9454.
  15. ^ «Новый индикатор настроений рынка». Журнал индексов.
  16. ^ Цвейг, Мартин Э. (1973). «Модель прогнозирования цен на акции на основе ожиданий инвесторов с использованием премий закрытых фондов». Журнал финансов . 28 (1): 67–78. doi :10.1111/j.1540-6261.1973.tb01346.x. JSTOR  2978169.
  17. ^ Ли, Чарльз; Шлейфер, Андрей; Талер, Ричард (1991). «Настроения инвесторов и загадка закрытых фондов». Журнал финансов . 46 (1): 75–109. doi :10.1111/j.1540-6261.1991.tb03746.x.
  18. ^ Браун, Стивен Дж.; Гетцманн, Уильям Н.; Хираки, Такато; Шириши, Нориёси; Ватанабэ, Масахиро (февраль 2003 г.). «Настроения инвесторов в ежедневных потоках взаимных фондов Японии и США». Рабочий документ NBER № 9470. doi : 10.3386 /w9470 .
  19. ^ Мрачные инвесторы фондов - MarketWatch
  20. ^ Бейкер, Малкольм; Вурглер, Джеффри (2004). «Появление и исчезновение дивидендов: связь со стимулами общественного питания» (PDF) . Журнал финансовой экономики . 73 (2): 271–288. doi :10.1016/j.jfineco.2003.08.001. S2CID  18519141.
  21. ^ Элизабет Симойнш Виейра (18 октября 2011 г.). «Настроения инвесторов и реакция рынка на новости о дивидендах: европейские свидетельства». Управленческие финансы . 37 (12): 1213–1245. doi : 10.1108/03074351111175100. hdl : 10773/6575 . ISSN  0307-4358.
  22. ^ Кумар, Алок; Ли, Чарльз Мак (2006-10-01). «Настроения розничных инвесторов и корреляция доходности». Журнал финансов . 61 (5): 2451–2486. doi :10.1111/j.1540-6261.2006.01063.x. ISSN  1540-6261.
  23. ^ Льюнгквист, Александр; Сингх, Радждип; Нанда, Викрам К. (2003-11-06). «Горячие рынки, настроения инвесторов и ценообразование IPO». Встречи AFA 2004 в Сан-Диего; Двенадцатая ежегодная зимняя финансовая конференция в Юте; Техасский финансовый фестиваль . Рочестер, Нью-Йорк: Сеть исследований социальных наук. SSRN  282293.
  24. ^ Груллон, Густаво; Канатас, Джордж; Уэстон, Джеймс П. (2004-04-01). «Реклама, широта владения и ликвидность». Обзор финансовых исследований . 17 (2): 439–461. doi :10.1093/rfs/hhg039. ISSN  0893-9454.
  25. ^ Chemmanur, Thomas J.; Yan, An (2010-01-14). «Реклама, признание инвесторов и доходность акций». Серия рабочих документов SSRN . doi :10.2139/ssrn.1536753. ISSN  1556-5068.
  26. ^ "Опросы потребителей". www.sca.isr.umich.edu . Получено 26.04.2016 .
  27. ^ "Consumer Confidence Index® | The Conference Board". www.conference-board.org . Получено 26.04.2016 .
  28. ^ "Индекс оптимизма инвесторов UBS / Gallup". ciser.cornell.edu . Получено 26.04.2016 .
  29. ^ Браун, Грегори В.; Клифф, Майкл Т. (2005-01-01). «Настроения инвесторов и оценка активов». Журнал бизнеса . 78 (2): 405–440. CiteSeerX 10.1.1.196.6127 . doi :10.1086/427633. JSTOR  10.1086/427633. 
  30. ^ Сингер, Элеанор (01.01.2002). «Использование стимулов для сокращения неответов в обследованиях домохозяйств». ResearchGate .
  31. ^ ab Дугал, Кейси; Энгельберг, Джозеф; Гарсия, Диего; Парсонс, Кристофер А. (2012-03-01). «Журналисты и фондовый рынок». Обзор финансовых исследований . 25 (3): 639–679. doi :10.1093/rfs/hhr133. ISSN  0893-9454.
  32. ^ Ахерн, Кеннет Р.; Сосюра, Денис (24.01.2015). «Ходят слухи: сенсационализм в финансовых СМИ». Обзор финансовых исследований . 28 (7): 2050–2093. CiteSeerX 10.1.1.650.9703 . doi :10.1093/rfs/hhv006. ISSN  0893-9454. 
  33. ^ Тетлок, Пол К. (01.06.2007). «Предоставление контента для настроений инвесторов: роль СМИ на фондовом рынке». Журнал финансов . 62 (3): 1139–1168. doi :10.1111/j.1540-6261.2007.01232.x. ISSN  1540-6261.
  34. ^ Чжан, Сюэ; Фюрес, Хауке; Глор, Питер А. (01.01.2011). «Прогнозирование показателей фондового рынка через Twitter: «Надеюсь, все не так плохо, как я боюсь». Procedia — Социальные и поведенческие науки . Вторая конференция по сетевым сетевым взаимодействиям — COINs2010. 26 : 55–62. doi : 10.1016/j.sbspro.2011.10.562 .
  35. ^ Боллен, Йохан; Мао, Хуина; Цзэн, Сяо-Цзюнь (2011). «Настроение Twitter предсказывает фондовый рынок». Журнал вычислительной науки . 2 (1): 1–8. arXiv : 1010.3003 . дои : 10.1016/j.jocs.2010.12.007. ISSN  1877-7503. S2CID  14727513.
  36. ^ Нассери, Аля Аль; Такер, Аллан; Чезаре, Серхио де (2014-10-08). «Анализ больших данных StockTwits для прогнозирования настроений на фондовом рынке». В Džeroski, Sašo; Panov, Panče; Kocev, Dragi; Todorovski, Ljupčo (ред.). Discovery Science . Lecture Notes in Computer Science. Vol. 8777. Springer International Publishing. стр. 13–24. doi :10.1007/978-3-319-11812-3_2. ISBN 9783319118116.
  37. ^ Шпренгер, Тимм О.; Тумасян, Андраник; Санднер, Филипп Г.; Велпе, Изабель М. (2014-11-01). «Твиты и сделки: информационное содержание биржевых микроблогов». European Financial Management . 20 (5): 926–957. doi :10.1111/j.1468-036x.2013.12007.x. ISSN  1468-036X. S2CID  156505712.
  38. ^ Ранко, Габриэле; Алексовский, Дарко; Кальдарелли, Гвидо; Грчар, Миха; Мозетич, Игорь (21 сентября 2015 г.). «Влияние настроений в Твиттере на доходность акций». ПЛОС ОДИН . 10 (9): e0138441. arXiv : 1506.02431 . Бибкод : 2015PLoSO..1038441R. дои : 10.1371/journal.pone.0138441 . ISSN  1932-6203. ПМЦ 4577113 . ПМИД  26390434. 
  39. ^ Габровшек, Питер; Алексовский, Дарко; Мозетич, Игорь; Грчар, Миха (24 февраля 2017 г.). «Настроение в Твиттере по поводу объявления о прибылях и убытках» . ПЛОС ОДИН . 12 (2): e0173151. arXiv : 1611.02090 . Бибкод : 2017PLoSO..1273151G. дои : 10.1371/journal.pone.0173151 . ISSN  1932-6203. ПМЦ 5325598 . ПМИД  28235103. 
  40. ^ Карабулут, Йигиткан (2013-08-13). «Может ли Facebook предсказать активность фондового рынка?». Рочестер, Нью-Йорк: Исследовательская сеть социальных наук. SSRN  1919008. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  41. ^ Питерсон, Ричард (2016-03-21). Торговля на настроениях: власть разума над рынками . John Wiley & Sons. ISBN 9781119122760.
  42. ^ Хото, Андреас; Нюрнбергер, Андреас; Паас, Герхард (2005-01-01). «Краткий обзор интеллектуального анализа текста». Форум LDV — журнал GLDV по вычислительной лингвистике и языковым технологиям . 20 : 19–62. CiteSeerX 10.1.1.153.6679 . doi :10.21248/jlcl.20.2005.68. S2CID  7120895. 
  43. ^ Саймон, Герберт А. (1955-01-01). «Поведенческая модель рационального выбора». The Quarterly Journal of Economics . 69 (1): 99–118. doi :10.2307/1884852. JSTOR  1884852. Архивировано из оригинала 24 сентября 2017 г.
  44. ^ Preis, Tobias; Moat, Helen Susannah; Stanley, H. Eugene (2013-04-25). "Количественная оценка торгового поведения на финансовых рынках с использованием Google Trends". Scientific Reports . 3 : 1684. Bibcode :2013NatSR...3E1684P. doi :10.1038/srep01684. ISSN  2045-2322. PMC 3635219 . PMID  23619126. 
  45. ^ Curme, Chester; Preis, Tobias; Stanley, H. Eugene; Moat, Helen Susannah (2014-08-12). «Количественная оценка семантики поведения поиска до движения фондового рынка». Труды Национальной академии наук . 111 (32): 11600–11605. Bibcode : 2014PNAS..11111600C. doi : 10.1073/pnas.1324054111 . ISSN  0027-8424. PMC 4136609. PMID 25071193  . 
  46. ^ abc Бордино, Илария; Баттистон, Стефано; Кальдарелли, Гвидо; Кристелли, Матье; Укконен, Антти; Вебер, Ингмар (19 июля 2012 г.). «Поисковые запросы в Интернете могут предсказать объемы фондового рынка». ПЛОС ОДИН . 7 (7): е40014. arXiv : 1110.4784 . Бибкод : 2012PLoSO...740014B. дои : 10.1371/journal.pone.0040014 . ISSN  1932-6203. ПМК 3400625 . ПМИД  22829871. 
  47. ^ Кристоуфек, Ладислав (19.09.2013). «Могут ли поисковые запросы Google Trends способствовать диверсификации рисков?». Scientific Reports . 3 : 2713. arXiv : 1310.1444 . Bibcode : 2013NatSR...3E2713K. doi : 10.1038/srep02713. ISSN  2045-2322. PMC 3776958. PMID 24048448  . 
  48. ^ Димпфл, Томас; Янк, Стефан (2012-06-06). «Могут ли поисковые запросы в Интернете помочь предсказать волатильность фондового рынка?». Рочестер, Нью-Йорк: Исследовательская сеть социальных наук. SSRN  1941680. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  49. ^ Preis, Tobias; Reith, Daniel; Stanley, H. Eugene (28.12.2010). «Сложная динамика нашей экономической жизни в разных масштабах: выводы из данных поисковых запросов». Philosophical Transactions of the Royal Society of London A: Mathematical, Physical and Engineering Sciences . 368 (1933): 5707–5719. Bibcode : 2010RSPTA.368.5707P. doi : 10.1098/rsta.2010.0284 . ISSN  1364-503X. PMID  21078644.
  50. ^ ab Smith, Geoffrey Peter (2012-06-01). "Поисковая активность Google в Интернете и прогнозирование волатильности на рынке иностранной валюты". Finance Research Letters . 9 (2): 103–110. doi :10.1016/j.frl.2012.03.003.
  51. ^ abc Кристоуфек, Ладислав (2013-01-01). «Биткойн встречает Google Trends и Wikipedia: количественная оценка взаимосвязи между явлениями эпохи Интернета». Scientific Reports . 3 : 3415. Bibcode :2013NatSR...3E3415K. doi :10.1038/srep03415. ISSN  2045-2322. PMC 3849639 . PMID  24301322. 
  52. ^ "Анализ просмотров страниц". tools.wmflabs.org . Получено 2016-04-26 .
  53. ^ Моут, Хелен Сусанна; Кёрм, Честер; Авакян, Адам; Кенетт, Дрор Й.; Стэнли, Х. Юджин; Прейс, Тобиас (2013-05-08). "Количественная оценка моделей использования Википедии до движения фондового рынка". Scientific Reports . 3 : 1801. Bibcode :2013NatSR...3E1801M. doi :10.1038/srep01801. ISSN  2045-2322. PMC 3647164 . 
  54. ^ Эдманс, Алекс; Гарсия, Диего; Норли, Эйвинд (01.08.2007). «Спортивные настроения и доходность акций». Журнал финансов . 62 (4): 1967–1998. CiteSeerX 10.1.1.323.2017 . doi :10.1111/j.1540-6261.2007.01262.x. ISSN  1540-6261. 
  55. ^ Абуди, Менахем (Мени); Мугерман, Евгений; Шуст, Эфрат (апрель 2022 г.). «Победитель забирает все: настроения инвесторов и конкурс песни «Евровидение»». Журнал банковского дела и финансов . 137 : 106432. doi : 10.1016/j.jbankfin.2022.106432. ISSN  0378-4266.
  56. ^ Каплански, Гай; Леви, Хаим (2010-02-01). «Настроения и цены акций: случай авиационных катастроф». Журнал финансовой экономики . 95 (2): 174–201. doi :10.1016/j.jfineco.2009.10.002. S2CID  141066554.
  57. ^ Ахтари, Митра (29 мая 2011 г.). «Переоценка влияния погоды: цены на акции и погода на Уолл-стрит». Undergraduate Economic Review . 7 (1).
  58. ^ Хиршлейфер, Дэвид; Шамвей, Тайлер (01.01.2003). «Добрый день, солнечный свет: доходность акций и погода». Журнал финансов . 58 (3): 1009–1032. doi :10.1111/1540-6261.00556. JSTOR  3094570.
  59. ^ Као, Мелани; Вэй, Джейсон (2005-06-01). «Доходность фондового рынка: заметка о температурной аномалии». Журнал банковского дела и финансов . 29 (6): 1559–1573. doi :10.1016/j.jbankfin.2004.06.028.
  60. ^ Камстра, Марк Дж.; Крамер, Лиза А.; Леви, Морис Д. (2003-10-01). «Зимняя хандра: SAD фондовый рынок цикл». Рочестер, Нью-Йорк: Social Science Research Network. SSRN  208622. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  61. ^ Чжэн, Лу; Юань, Кэти; Чжу, Цяоцяо (2001-09-05). «Инвесторы под впечатлением от Луны? — Фазы Луны и доходность акций». Рочестер, Нью-Йорк: Исследовательская сеть социальных наук. SSRN  283156. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  62. ^ Дичев, Илья Д.; Джейнс, Трой Д. (2001-08-01). «Влияние лунного цикла на доходность акций». Рочестер, Нью-Йорк: Исследовательская сеть социальных наук. SSRN  281665. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  63. ^ Роботти, Чезаре; Кривелёва, Аня (2003-10-01). «Игра на поле: геомагнитные бури и фондовый рынок». Рочестер, Нью-Йорк: Исследовательская сеть социальных наук. SSRN  375702. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  64. ^ «Определение децентрализованного рынка».
  65. ^ «Коэффициенты открытых позиций Oanda Forex».
  66. ^ «Индекс настроений SWFX».
  67. ^ «Индекс настроений брокеров ForexBold в реальном времени».
  68. ^ Финберг, Рон (18.05.2014). "Final Q1 2014 US Retail Forex Profitability Report". forexmagnates.com . Forex Magnates . Получено 19 июля 2014 г. .
  69. ^ «Белая книга по торговле настроениями» (PDF) .